我最近发布了一个关于如何使用 R 进行子集化的问题:Subset dataframe in R based on a list specified in a vector (using a 'starts with' expression or equivalent)
用户@Ric S 非常友好地提供了这个问题的 R 答案。R 解决方案是:
library(dplyr)
df %>%
filter_at(vars(-ID), any_vars(grepl(paste(medications, collapse = "|"), .)))
但是,我的印象是 Python 可能更省时。总而言之,我试图在超过 100 万行的数据集中识别任何参与者规定的他汀类药物和基于此的子集。我有一个列表,其中包含这些药物的所有代码(为了演示目的,我刚刚编造了一些代码),接下来我想搜索数据框并将其子集给任何拥有“以”开头的药物代码的人"列表中的任何元素。示例中的循环似乎是多余的,但我将为一些药物类别运行此代码。
示例数据集,称为meds_df:
ID readcode_1 readcode_2 generic_name
1 1001 bxd1 1146785342 Simvastatin
2 1002 <NA> <NA> <NA>
3 1003 <NA> <NA> Pravastatin
4 1004 <NA> <NA> <NA>
5 1005 bxd4 45432344 <NA>
6 1006 <NA> <NA> <NA>
7 1007 <NA> <NA> <NA>
8 1008 <NA> <NA> <NA>
9 1009 <NA> <NA> <NA>
10 1010 bxde <NA> <NA>
11 1011 <NA> <NA> <NA>
预期输出为:
ID readcode_1 readcode_2 generic_name
1 1001 bxd1 1146785342 Simvastatin
3 1003 <NA> <NA> Pravastatin
5 1005 bxd4 45432344 <NA>
10 1010 bxde <NA> <NA>
到目前为止,我的代码基于其他 stackoverflow 问题,我还需要在此处嵌入 any() 或等效项:
list_to_extract = ["bxd", "Simvastatin", "1146785342", "45432344", "Pravastatin"]
variable_list = ['statins']
for m in variable_list:
print('extracting individuals prescribed %s' %m)
test = meds_df.loc[meds_df['readcode_1', 'readcode_2','generic_name'].str.startswith(list_to_extract, na=False)]
print(test)
收到错误:
KeyError: ('readcode_1', 'readcode_2','generic_name')
任何帮助将不胜感激!
温温酱
繁花如伊
叮当猫咪
相关分类